Top 5 aziende di AI e Biotecnologia digitale (giugno 2026)

Rivoluzione AI nella Biotecnologia

No sector is left unchanged by the power of AI and digital modeling, and Biotech is no exception.

Ciò è dovuto al fatto che la biologia è di gran lunga la scienza “più caotica” tra le scienze dure. Chimica o fisica possono operare in ambienti molto controllati, con composti puri, ecc. La biologia deve confrontarsi con sistemi preesistenti estremamente complessi e in costante evoluzione. Inoltre, analizzando una sola proteina, i biochimici osservano migliaia o milioni di atomi. Perciò, può diventare davvero difficile prevedere ogni possibile reazione chimica.

Big data, modelli AI e digitalizzazione stanno creando le condizioni per una rivoluzione della conoscenza nella ricerca biotecnologica.

La prima era della biomedicina consisteva nel procedere alla cieca e vedere cosa funzionava.

Ora siamo saldamente stabiliti nell’era della genomica, dove possiamo concentrarci su obiettivi specifici, come un gene difettoso.

With the incoming digital revolution, we can replicate complete proteins, cells, or even entire organs and bodies in a virtual environment.

Cosa Cambierà?

A big part of why genomics and precision therapies are taking over “traditional” chemical drugs has been a very poor success rate for new drugs in the last decade.

Forse si può produrre un farmaco approvato dalla FDA per diecimila candidati. Ogni fase deve essere testata in laboratorio, su cellule viventi, animali o esseri umani.

Ciò rappresenta spesso uno o due decenni di tempo perduto, oltre a molti, molti miliardi di dollari sprecati.

Fonte: Biosourcing

Procedere alla cieca non è più un piano fattibile per la scoperta di farmaci. Per questo i ricercatori hanno bisogno di modelli predittivi digitali per prevedere, prima di qualsiasi test fisico, se un farmaco è un buon candidato.

Quindi, non è sorprendente che la scoperta di farmaci sia al centro del modello di business della maggior parte delle aziende biotech AI.

Nuovi metodi come il machine learning consentono al software di “indovinare” la risposta più probabile usando un metodo probabilistico invece di un approccio completamente “meccanico”/algoritmico.

Come la maggior parte della tecnologia di machine learning, è stato svolto molto lavoro durante un intero decennio, con solo gli esperti del settore realmente attenti.

The true revolution that made it recognized in the mainstream was nel 2020 quando Alphabet/Google DeepMind ha risolto una sfida di 50 anni sul ripiegamento delle proteine. The program has since modelized most of the known proteins of all living organisms, and Google sta creando una nuova azienda, Isomorphic Laboratories, per aiutare a identificare nuovi farmaci.

Top 5 aziende di AI e Biotecnologia digitale

Per gli investitori, Google potrebbe rappresentare un’ottima scommessa sull’AI in generale, ma l’aspetto biotech sarà un segmento minuscolo in una società molto grande. Pertanto, questo articolo esaminerà le società quotate in borsa che si dedicano esclusivamente al tema dell’AI e della Biologia Virtuale.

Per lo stesso motivo, non prenderemo in considerazione le aziende coinvolte nell’hardware AI, come Nvidia e la sua libreria di genomica Parabricks.

(le aziende sono classificate per capitalizzazione di mercato al momento della stesura di questo articolo)

1. Roivant Sciences Ltd.

(ROIV )

L’azienda si specializza nell’acquisizione di startup biotech e nel potenziare le loro possibilità di raggiungere la commercializzazione attraverso filiali chiamate -vant (poiché ciascuna avrà “vant” come ultima parte del nome).

Part of these acquisitions was l’acquisto di Silicon Therapeutics per 450 M$. Thanks to a supercomputer and custom computing hardware, Silicon Therapeutics is developing new molecules. This added to a preexisting AI biotech stack portfolio, VantAI.

Roivant possiede anche il “vant” Datavant, una soluzione di big data per la sanità, venduta a ospedali, compagnie farmaceutiche, assicurazioni, ecc… con procedure conformi alle normative e rispettose della privacy.

Altri “vant” sono anch’essi orientati a dati o simulazioni digitali, come le “Accurate All-Atom Physics-Based Simulations” di Psivant. O il software/piattaforma di intelligenza per le sperimentazioni cliniche Lokavant.

Fonte: Roivant

Tuttavia, la maggior parte del reddito dell’azienda proviene dalle vendite farmaceutiche di prodotti approvati.

In generale, Roivant può rappresentare un modo per puntare sul lato dati della biotecnologia, non solo sulla biologia digitale ma anche su cartelle cliniche, sperimentazioni cliniche, ecc….; contemporaneamente tocca altre medicine innovative, soprattutto per la cura della pelle, con Vtama per la psoriasi.

2. Schrödinger, Inc.

(SDGR )

L’azienda si specializza in modelli basati sulla fisica per trovare la molecola migliore possibile per un dato obiettivo, bilanciando metriche contrastanti come potenza, solubilità, emivita, sintetizzabilità, ecc…

Utilizza anche il machine learning, ma l’aggiunta di un modello basato sulla fisica consente di testarlo in campi completamente nuovi per i quali non esiste alcun set di dati per “addestrare” l’AI. Questo permette a Schrödinger di passare da 1 miliardo di molecole potenziali a soli 8 solidi candidati in pochi giorni, esclusivamente tramite calcolo digitale.

Fonte: Schrodinger

Schrödinger ha firmato con Bayer un accordo di collaborazione di 5 anni nel 2020 per un fatturato di 10 M$. L’idea dell’accordo è utilizzare la tecnologia Schrödinger insieme ai modelli di previsione in silico di Bayer.

Un’altra partnership recente è con Lilly, con fino a 425 M$ in pagamenti totali di traguardi per scoperte di successo.

Collaborazioni passate includono Takeda, Sanofi, Bristol Myers Squibb e altre aziende farmaceutiche più piccole.

Fonte: Schrodinger

In generale, Schrödinger sta costruendo un portafoglio in crescita, includendo sempre più molecole proprietarie e di proprietà totale. Sebbene non sia pre-revenue, l’azienda non è ancora redditizia, concentrandosi sull’espansione e sulla spesa in R&D per migliorare la sua tecnologia.

L’azienda sta anche valutando l’espansione verso nuovi segmenti oltre la scoperta di farmaci, come biopharmaceuticali complessi o persino materiali come prodotti chimici, batterie o polimeri.

Fonte: Schrodinger

Gli investitori vorranno tenere d’occhio le nuove collaborazioni, poiché rifletteranno i progressi della tecnologia di Schrödinger, valutati dai leader del settore, nonché il possibile successo nell’espandere la tecnologia di base verso nuovi mercati.

3. Exscientia

(EXAI )

L’azienda utilizza l’AI per sviluppare terapie di precisione. Gestisce una tecnologia di scoperta di farmaci AI “full stack” con software dedicato in ogni fase del processo di scoperta.

Fonte: Exscientia

La tecnologia di Exscientia riduce del 70% il tempo necessario per passare da un bersaglio biologico a trovare un farmaco corrispondente e del 80% il capitale richiesto.

Ciò ha portato a 4 composti in fase clinica precoce, 30 programmi in totale, e 6,5 Mrd$ di ricavi da traguardi con i partner. Il focus principale è stato sull’oncologia (cancro) e sulle malattie infiammatorie.

Fonte: Exscientia

L’azienda si trova in una posizione finanziaria molto confortevole per una società di scoperta di farmaci in fase iniziale, con 625 M$ nel Q3 2022, per un consumo netto di liquidità di appena 15 M$.

Questa potrebbe essere un’opzione interessante per gli investitori che cercano una società di scoperta di farmaci AI ben consolidata, con una cassa molto ampia e molteplici partnership in corso per una maggiore sicurezza.

4. Absci Corporation

(ABSI )

L’azienda è stata fondata nel 2011, con sedi a Vancouver, New York e Zug, Svizzera. Ha aggiunto alla sua tecnologia iniziale la proprietà intellettuale di 2 acquisizioni AI-biology nel 2021, Totient (anticorpi) e Denovium (linee cellulari).

L’azienda si concentra principalmente sulla progettazione di anticorpi, creando nuovi anticorpi da zero (“anticorpi de novo”), e testandoli in laboratorio in un processo di 6 settimane.

Sono stati i primi, a marzo 2023, a poter progettare un anticorpo funzionale senza alcun dato preesistente, un metodo anche chiamato “zero-shot.”

Absci has established collaboration with Merck (totale di 610 M$ in commissioni iniziali e potenziali pagamenti di traguardi futuri) and Astellas for new product discovery, nonché una partnership con Nvidia per migliorare l’architettura hardware alla base della tecnologia Absci.

Absci è ancora in una fase iniziale ma ha già dimostrato un potenziale e un’innovazione straordinari. Gli investitori nella società dovranno aderire all’etica “nulla è impossibile” dell’azienda e del suo brillante fondatore e sperare che i recenti accordi di collaborazione siano i primi di una lunga serie.

5. e-therapeutics plc

e-therapeutics si concentra sullo sviluppo in silico di nuove terapie RNAi (interferenza RNA). Sperano che la combinazione di tecnologie emergenti, RNAi e scoperta computazionale di farmaci le dia un vantaggio significativo rispetto ai concorrenti.

Monetizza anche la scoperta sulla sua piattaforma con altre aziende farmaceutiche, della quale la più grande è il colosso Novo Nordisk.

L’azienda è in una fase pre-revenue molto precoce e ha dovuto raccogliere 13,5 M£ nell’estate del 2022. L’azienda ha registrato una perdita netta di 2,8 M£ nel primo semestre 2022 per un saldo di cassa di 21,8 M£ al momento.

Gli investitori in e-therapeutics dovranno monitorare la liquidità disponibile e sperare che le nuove scoperte e i ricavi delle partnership rendano l’azienda redditizia alla fine.

Costruire un Portafoglio di Biologia Digitale

Questo è un settore difficile in cui investire, poiché combina 2 tecnologie molto complesse: AI + biotecnologia avanzata. Questo lo rende praticamente una “scatola nera” per gli investitori, anche se hanno una certa esperienza in uno dei 2 campi.

Inoltre, la maggior parte delle aziende del settore si concentra sugli stessi mercati, principalmente sulla scoperta di piccole molecole e sulla progettazione di anticorpi, con forse anche linee cellulari.

Quindi la diversificazione rappresenterebbe una strategia di investimento più sicura perché pochissime persone potranno essere certe di aver scelto il “vincitore”. Inoltre, si prevede che il mercato crescerà molto rapidamente, con un CAGR del 45% tra il 2022 e il 2027.

Pertanto, un’esposizione diffusa è più probabile che catturi questa crescita senza fare eccessivo affidamento su modelli o metodi matematici specifici in un’arena che cambia rapidamente e molto competitiva.